基准
Program Bench
评估AI模型编程能力的基准测试，用于横向对比代码生成与编程任务表现。
时间轴 (近 90 天)
10月18日
DeepSeek V4.1 Flash 1017在Terminal Bench 4.0上从31.2升至42.3，Program Bench从20.2升至42.3，Agent's Last Exam从31.8升至35.4，Apex Bench从64.6升至72.1，Chartography从78.9升至83.0，Baby Vision从89.6升至92.5。
待验证50%
10月18日
Program Bench分数从20.3分升至29.1分，提升8.8分，使用的是'Almost'口径（9次测试中5次通过即算通过）。
待验证50%
10月18日
第三方用最严格的'Fully'口径测试9月版本时，Program Bench通过率仅为0.5%。
待验证50%
全部知识事实 (3)
待验证
DeepSeek V4.1 Flash 1017在Terminal Bench 4.0上从31.2升至42.3，Program Bench从20.2升至42.3，Agent's Last Exam从31.8升至35.4，Apex Bench从64.6升至72.1，Chartography从78.9升至83.0，Baby Vision从89.6升至92.5。
50%待验证Program Bench分数从20.3分升至29.1分，提升8.8分，使用的是'Almost'口径（9次测试中5次通过即算通过）。
50%待验证第三方用最严格的'Fully'口径测试9月版本时，Program Bench通过率仅为0.5%。
50%